通过普通摄像头拍摄出的照片来进行识别是存在很大的困难的，但是有困难才能找到更好的方法去解决。在百度上大致找了一下手语识别的案例，很少。API只是看到了Face++发布的手势识别，在我写文章的时候又看到了百度发布的手势识别API，之后会尝试去进行使用。
这次使用的是Face++的API，Face++的API是在之前发现的，功能上的话还是比较强大的，但是没有离线版本，需要将数据进行上传，然后对JSON进行解析得到结果。
这是官网给出的一个Demo，识别率挺不错的，最后给出的是一个在20种手势上的分布概率，接下来我们自己调用一下API分析自己的手势。
1. 查看官方的API。找到Gesture API，先看一下是怎么说的。
调用参数：
官方还给出了一些调用错误返回的参数的说明，有兴趣的可以去官网看一下。
还给出了一个使用命令行调用API的实例：
从实例上不难看出，向 https://api-cn.faceplusplus.com/humanbodypp/beta/gesture 发送请求，默认的参数有 api_key，api_secret，image_file。api_key和api_secret可以通过控制台进行生成。
接下来开始写代码的调用，Python版本的，其他版本的类似。
我们将API封装成一个类 Gesture：
将其中的key和secret替换成自己的就可以使用：
'''# -*- coding:utf-8 -*-@author: TulLing'''import requests from json import JSONDecoder gesture_englist = ['big_v','fist','double_finger_up','hand_open','heart_d','index_finger_up','ok','phonecall','palm_up','rock','thumb_down','thumb_up','victory']gesture_chinese = ["我最帅", "拳头，停下", "我发誓", "数字5", "比心", "数字1", "好的呢，OK", "打电话", "手心向上", "爱你，520", "差评，不好的", "好评，Good，很棒", "胜利，开心"]# 将字典排序def sort_dict(adict): return sorted(adict.items(),key= lambda item:item[1]) class Gesture(object): def __init__(self): self.http_url = 'https://api-cn.faceplusplus.com/humanbodypp/beta/gesture' self.key = '*****' self.secret = '******' self.data = {"api_key":self.key,"api_secret":self.secret} # 获取手势信息 def get_info(self,files): response = requests.post(self.http_url,data=self.data,files=files) req_con = response.content.decode('utf-8') req_dict = JSONDecoder().decode(req_con) #print(req_dict) if('error_message' not in req_dict.keys()) and (len(req_dict['hands'])): # 获取 hands_dict = req_dict['hands'] #print(type(hands_dict)) # 获取到手的矩形的字典 gesture_rectangle_dict = hands_dict[0]['hand_rectangle'] # 获取到手势的字典 gesture_dict = hands_dict[0]['gesture'] return gesture_dict,gesture_rectangle_dict else: return [],[]; # 获取到手势文本信息 def get_text(self,index): return gesture_chinese[index] # 获取到手势对应的概率 def get_pro(self,gesture_dict,index): # print(gesture_dict) if(gesture_dict is None or gesture_dict == []): return 0 return gesture_dict[gesture_englist[index]] # 获取到手势的位置 def get_rectangle(self,gesture_rectangle_dict): if(gesture_rectangle_dict is None or gesture_rectangle_dict == []): return (0,0,0,0) x = gesture_rectangle_dict['top'] y = gesture_rectangle_dict['left'] width = gesture_rectangle_dict['width'] height = gesture_rectangle_dict['height'] return (x,y,width,height) 封装好了Gesture类后接下来就是调用：先将官方给出的手势的图片保存起来，为了方便只保留单手的手势，然后生成随机数读取手势图片，我们去模仿手势，后台显示是正确手势的概率以及具体的位置，如果图像中没有手势则概率为0，位置为(0,0,0,0)。
'''# -*- coding:utf-8 -*-@author: TulLing'''import syssys.path.append("../gesture/") import osimport randomimport cv2 as cvimport timeimport LearnGesture def gestureLearning(): os.system("cls") print("进入学习手势模式！") print("我们有13个手势，来和我学吧！(每次结束后可以选择输入 Q/q 退出！)") while(True): pic_num = random.randint(0,12) # 生成显示的图片的编号(随机数： 0 - 13) print(pic_num) pic_path = '../gesture/pic/gesture' + str(pic_num) + ".jpg" # 生成图片路径 pic = cv.imread(pic_path) # 加载图片 pic = cv.resize(pic,(120,120)) cv.imshow("PIC",pic) # 显示要学习的手势 print("即将打开摄像头，你有5秒种的时间准备手势，5秒种保持手势！") write_path = "../gesture/pic/test.jpg" cap = cv.VideoCapture(1) while(True): _,frame = cap.read() cv.imshow("Frame",frame) key = cv.waitKey(10) if(key == ord('Q') or key == ord('q')): cv.imwrite(write_path,frame) cv.waitKey(200) cap.release() cv.destroyAllWindows() break # 此处应该有手势识别 files = {"image_file":open(write_path,'rb')} gesture = LearnGesture.Gesture() # 获取到手势文本 ge_text = gesture.get_text(pic_num) # 获取手势信息 gesture_dict,gesture_rectangle_dict = gesture.get_info(files) # 获取手势的概率 ge_pro = gesture.get_pro(gesture_dict,pic_num) # 获取到手势的坐标 ge_rect = gesture.get_rectangle(gesture_rectangle_dict) print("您学习的手势是：",ge_text) print("相似度达到：",ge_pro) print("具体位置：",ge_rect) # print("一轮学习结束，是否继续学习？(Y/N)") # 退出程序，回到主菜单或者继续 commend = input("一轮学习结束，是否继续学习？(Y/N)：") print(commend) if( commend == 'N' or commend == "n"): breakgestureLearning() 
图片保存的路径：./pic/
运行结果：
显示的随机手势
模仿的手势（打个码，主要看手）
点击Q后：
手势做的有点不标准，但是没关系，系统可以运行。
调用Face++API的文章到此结束。代码打包后会上传。之后会修改链接地址。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持VEVB武林网。
注：相关教程知识阅读请移步到python教程频道。
